基于5 a區(qū)域站的貴州致災(zāi)強(qiáng)降雨特征分析

石　艷，李天江，毛顯后

(貴州省氣象臺(tái)，貴州　貴陽(yáng)　550002)

?

基于5 a區(qū)域站的貴州致災(zāi)強(qiáng)降雨特征分析

石艷，李天江，毛顯后

(貴州省氣象臺(tái)，貴州貴陽(yáng)550002)

利用貴州省2010—2014年5—9月區(qū)域站小時(shí)降水資料，提出暴雨過(guò)程的標(biāo)準(zhǔn)，與國(guó)家站暴雨過(guò)程及暴雨集中區(qū)域進(jìn)行對(duì)比，發(fā)現(xiàn)過(guò)程和集中區(qū)域均基本一致，證明區(qū)域站降水資料具有參考價(jià)值；在此基礎(chǔ)上進(jìn)一步分析貴州短時(shí)強(qiáng)降水與因?yàn)?zāi)死亡人員發(fā)生的關(guān)聯(lián)性，研究致災(zāi)強(qiáng)降雨的時(shí)空分布特征，以期對(duì)預(yù)報(bào)服務(wù)和暴雨預(yù)警信號(hào)發(fā)布等有一定的指導(dǎo)意義。

區(qū)域站;小時(shí)降水;暴雨;致災(zāi)強(qiáng)降雨

1　引言

我國(guó)現(xiàn)有的國(guó)家級(jí)氣象觀測(cè)站是為獲取天氣尺度系統(tǒng)信息而設(shè)置的，平均站間距為60多公里。由于我國(guó)幅員遼闊，地形和氣候復(fù)雜，現(xiàn)有站網(wǎng)在空間密度和觀測(cè)頻次上，遠(yuǎn)不能適應(yīng)中小尺度天氣系統(tǒng)監(jiān)測(cè)、預(yù)警的需求，故近年來(lái)全國(guó)都在加大力度建設(shè)區(qū)域自動(dòng)站，目前我省區(qū)域站建設(shè)達(dá)3 000余個(gè)，全面覆蓋省內(nèi)所有行政鄉(xiāng)鎮(zhèn)。在這種基礎(chǔ)設(shè)施良好的背景下，需要進(jìn)一步利用新觀測(cè)資料提高我們的預(yù)報(bào)服務(wù)能力。

目前很多研究是圍繞區(qū)域自動(dòng)站的故障分析和維護(hù)方面開(kāi)展的[1-3]，李潤(rùn)春等[4-5]利用氣溫資料對(duì)陜西省陽(yáng)泉市和拉薩市的城市熱島效益進(jìn)行分析，顧欣和何可杰等[6-7]基于區(qū)域站對(duì)烤煙和蘋(píng)果進(jìn)行適宜性氣候區(qū)劃，精細(xì)化到鄉(xiāng)鎮(zhèn)。

暴雨是貴州省主要?dú)庀鬄?zāi)害之一，因暴雨導(dǎo)致人員傷亡也屢有發(fā)生，縱觀多起災(zāi)難無(wú)不與強(qiáng)降水過(guò)程密切相關(guān)，現(xiàn)在越來(lái)越多的人開(kāi)始關(guān)心和研究短時(shí)降水的規(guī)律[8-9]。2012年彭芳等[10]用1991—2009年汛期逐小時(shí)降水量資料分析了貴州省汛期短時(shí)降水時(shí)空分布特征，指出：強(qiáng)降水分布有兩個(gè)高值中心，最強(qiáng)中心在西南部望謨站，發(fā)生時(shí)次一天中有3個(gè)相對(duì)高值時(shí)段。而基于區(qū)域站資料研究強(qiáng)降水與因?yàn)?zāi)死亡人員的關(guān)聯(lián)性這方面開(kāi)展還較少，本文擬將研究：首先驗(yàn)證區(qū)域站降水資料的可靠性、進(jìn)而展開(kāi)對(duì)暴雨過(guò)程的評(píng)估及致災(zāi)強(qiáng)降雨的時(shí)空分布特征分析。

2　資料來(lái)源和處理

選取貴州省2010—2014年5—9月逐小時(shí)區(qū)域自動(dòng)站降水量資料，利用計(jì)算機(jī)編程實(shí)現(xiàn)日降水(08—08時(shí))數(shù)據(jù)合成。考慮到區(qū)域站數(shù)據(jù)準(zhǔn)確性因素，作者通過(guò)反查當(dāng)日區(qū)域站點(diǎn)周邊降水情況，初步確定數(shù)據(jù)的真實(shí)性，再結(jié)合當(dāng)時(shí)雨情快報(bào)信息再次確定數(shù)據(jù)的真?zhèn)危_保文中數(shù)據(jù)的可靠性。

2.1基于國(guó)家站暴雨過(guò)程

貴州省在預(yù)報(bào)業(yè)務(wù)中定義，基于85個(gè)國(guó)家站在前一日08時(shí)至次日08時(shí)24 h內(nèi)有6站或以上降雨量超過(guò)50 mm為一次暴雨過(guò)程，其中1站大暴雨相當(dāng)于3站暴雨，1站特大暴雨相當(dāng)于6站暴雨。

2.2基于區(qū)域站暴雨過(guò)程

貴州省共1 445個(gè)行政鄉(xiāng)鎮(zhèn)，本文定義超過(guò)6%以上鄉(xiāng)鎮(zhèn)，即超過(guò)80個(gè)鄉(xiāng)鎮(zhèn)24 h(08—08時(shí))降雨量達(dá)到50 mm以上為一次暴雨天氣過(guò)程。

3　結(jié)果與分析

3.1暴雨過(guò)程對(duì)比

根據(jù)國(guó)家站暴雨過(guò)程定義，對(duì)1961—2014年逐年暴雨過(guò)程進(jìn)行統(tǒng)計(jì)，最多為1979年的25次暴雨過(guò)程，多年平均暴雨過(guò)程次數(shù)為15次，2010—2014年5 a來(lái)，共61次暴雨過(guò)程；根據(jù)區(qū)域站標(biāo)準(zhǔn)，2010—2014年5 a來(lái)，共74次暴雨過(guò)程。

圖1中，區(qū)域站是指基于區(qū)域站的逐年暴雨過(guò)程次數(shù)，國(guó)家站是指基于國(guó)家站的逐年暴雨過(guò)程次數(shù)，相同是指同時(shí)滿(mǎn)足兩類(lèi)標(biāo)準(zhǔn)的暴雨過(guò)程。圖中可以看出，2010—2014年間，每年區(qū)域站暴雨過(guò)程次數(shù)均多于國(guó)家站暴雨過(guò)程次數(shù)，兩類(lèi)過(guò)程間的相關(guān)性為0.84，2014年過(guò)程相差數(shù)較多。同時(shí)滿(mǎn)足兩類(lèi)的暴雨過(guò)程占國(guó)家站暴雨過(guò)程的93.3%， 2010—2013年每年僅有1次過(guò)程未包括在區(qū)域站暴雨過(guò)程中，2014年全部包括在內(nèi)，因此可以采用鄉(xiāng)鎮(zhèn)區(qū)域站降雨資料來(lái)修訂和完善貴州省暴雨過(guò)程的定義。

圖1　2010—2014年分別基于國(guó)家站和區(qū)域站暴雨過(guò)程對(duì)比Fig.1　2010—2014 Rainstorm Processes Comparison between National Stations and Regional Stations

3.2暴雨集中區(qū)域?qū)Ρ?/p>

2010—2014年5 a來(lái)貴州省共出現(xiàn)31 404區(qū)域站次暴雨，分析發(fā)現(xiàn)主要集中在省的西南部、東北部及東南部。其中西南部暴雨區(qū)域范圍最大，最為集中，主要出現(xiàn)在平壩、長(zhǎng)順、普定、鎮(zhèn)寧、紫云、關(guān)嶺、晴隆、盤(pán)縣、興義、望謨等縣；東北部暴雨區(qū)域范圍小，較為集中，主要出現(xiàn)在銅仁市的松桃、江口、印江、萬(wàn)山一帶；東南部暴雨區(qū)域較為分散，主要出現(xiàn)在黔東南州中部和黔南州南部縣市。與歷史暴雨中心對(duì)比[11]，落區(qū)基本一致。西南部暴雨區(qū)域吻合度較高，略向中部擴(kuò)展；東北部區(qū)域稍向東北移動(dòng)，東南部暴雨區(qū)域在三都—都勻一帶也是暴雨多發(fā)區(qū)域，但是較分散不集中。

圖2　2010—2014年區(qū)域站暴雨頻次20次以上分布區(qū)域圖Fig.2　Distribution Areas Map of Regional Station Rainstorm Frequency larger than 20 times from 2010 to 2014

3.3強(qiáng)降雨與災(zāi)害發(fā)生分析

3.3.1人員死亡與降雨強(qiáng)度分析由于貴州特殊的地形地貌特點(diǎn)，強(qiáng)降雨引發(fā)的洪澇、滑坡、泥石流等災(zāi)害，往往會(huì)造成人員傷亡。洪澇的發(fā)生與上游降雨量關(guān)系密切，山體滑坡有時(shí)具有延遲性特點(diǎn)，泥石流與當(dāng)?shù)氐牡刭|(zhì)結(jié)構(gòu)有較大關(guān)系，單純考慮人員死亡與降雨量大小的關(guān)系存在片面性，但是，降雨量又在其中起到?jīng)Q定性作用，因此，我們希望能夠簡(jiǎn)單化后，提出一個(gè)可能造成人員傷亡的臨界雨量，為及時(shí)預(yù)警、減輕災(zāi)情提供參考。2010—2014年間因暴雨導(dǎo)致人員死亡失蹤總?cè)藬?shù)為275人，通過(guò)分析發(fā)現(xiàn)當(dāng)1 h雨量達(dá)到70 mm，2 h達(dá)到80 mm，3 h達(dá)到100 mm，83.3%的概率會(huì)出現(xiàn)人員死亡災(zāi)情，不符合此標(biāo)準(zhǔn)有46人，占16.7%，其中26人系降雨量為大暴雨量級(jí)的穩(wěn)定降水造成，占9.5%，為方便敘述在下文中將“1 h雨量達(dá)到70 mm以上，或2 h達(dá)到80 mm以上，3 h達(dá)到100 mm以上”稱(chēng)為致災(zāi)(人員死亡)短歷時(shí)強(qiáng)降雨。

表1　人員死亡與強(qiáng)降雨關(guān)系

3.3.2致災(zāi)強(qiáng)降雨時(shí)空分布分析

① 空間分布

通過(guò)對(duì)1 h 70 mm以上降雨分析發(fā)現(xiàn)，除遵義市北部、黔東南州北部幾個(gè)縣市未發(fā)生外，全省大部分縣市區(qū)均有發(fā)生，且呈現(xiàn)發(fā)散狀態(tài)，隨著對(duì)2 h 80 mm和3 h 100 mm強(qiáng)降雨的進(jìn)一步統(tǒng)計(jì)分析，發(fā)現(xiàn)強(qiáng)降雨區(qū)域越來(lái)越向省的西南部和東北部集中，基本與暴雨集中區(qū)域分布一致，說(shuō)明貴州省多以短時(shí)強(qiáng)降雨為主。綜合3類(lèi)致災(zāi)(人員死亡)短歷時(shí)強(qiáng)降雨來(lái)看，主要集中在以下鄉(xiāng)鎮(zhèn)，詳見(jiàn)表2。

表2　致災(zāi)(人員死亡)強(qiáng)降雨易發(fā)鄉(xiāng)鎮(zhèn)

② 時(shí)間分布

針對(duì)3類(lèi)致災(zāi)強(qiáng)降雨發(fā)生時(shí)間進(jìn)行分析，圖3可以看出，強(qiáng)降雨多數(shù)發(fā)生在夜間時(shí)段(20—07時(shí))，20時(shí)起強(qiáng)降雨呈現(xiàn)增加趨勢(shì)，在01時(shí)達(dá)到峰值，最強(qiáng)時(shí)段主要集中在23—02時(shí)，與彭芳等研究結(jié)論較為一致[10]；隨后開(kāi)始下降，白天(08—19時(shí))也有發(fā)生，但次數(shù)明顯減少，尤其12—15時(shí)為發(fā)生最少時(shí)段。

圖3　致災(zāi)強(qiáng)降雨出現(xiàn)時(shí)間頻次分布Fig.3　Occurring Time frequency distribution of disaster-causing heavy rainfall

4　結(jié)論與討論

①基于區(qū)域站小時(shí)降水資料，對(duì)貴州省暴雨過(guò)程定義進(jìn)行修訂和完善，提出暴雨過(guò)程評(píng)估劃分標(biāo)準(zhǔn)，有助于提高決策氣象服務(wù)的敏感性和及時(shí)性，同時(shí)對(duì)預(yù)報(bào)準(zhǔn)確率考核、暴雨預(yù)警信號(hào)發(fā)布也有一定的指導(dǎo)意義。

②基于區(qū)域站資料分析的暴雨中心與歷史研究基本吻合，主要有3大暴雨中心，西南部區(qū)域范圍最大且最為集中，東北部區(qū)域范圍較小，東南部區(qū)域較為分散；同時(shí)也說(shuō)明區(qū)域站降水資料具有可參考性。

③綜合分析3類(lèi)致災(zāi)(人員死亡)強(qiáng)降雨，從空間分布來(lái)看，與暴雨集中區(qū)域一致，主要出現(xiàn)在西南部、東北部和東南部；從時(shí)間分布來(lái)看，23—02時(shí)最為集中，這一特點(diǎn)也為貴州省救災(zāi)減災(zāi)提出更高要求。

④文中使用數(shù)據(jù)年份有限，可能對(duì)某些結(jié)論會(huì)造成一定影響，隨后還需繼續(xù)加大研究。

[1] 高永娜,劉洪波,曾文卓.區(qū)域自動(dòng)站的故障分析和維護(hù)管理[J].現(xiàn)代農(nóng)業(yè)科技,2014,12,254.

[2] 周彥玲,萬(wàn)里鵬,陸忠濤.區(qū)域自動(dòng)站故障分析與日常維護(hù)[J].科技信息,2010,1,447

[3] 楊遠(yuǎn)恒,卜英竹,田蘭,等.區(qū)域自動(dòng)站實(shí)時(shí)資料質(zhì)量控制系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)[J].貴州氣象,2011,35(5),42-44.

[4] 李潤(rùn)春,崔建國(guó),牛俊玫,等.山西省陽(yáng)泉市城市熱島效應(yīng)特征分析[J]． 氣象與環(huán)境學(xué)報(bào),2014,30( 2), 74-80．

[5] 次仁白瑪,尼瑪云單,拉巴.拉薩市城市熱島效應(yīng)分析研究[J].高原山地氣象研究,2014,34(2),52-56.

[6] 顧欣，田楠,付繼剛,等. 利用區(qū)域自動(dòng)站資料對(duì)黔東南烤煙種植氣候適宜性及精細(xì)區(qū)劃歸類(lèi)分析[J]. 西南師范大學(xué)學(xué)報(bào):自然科學(xué)版,2014,39(3):143-150.

[7] 何可杰，李建軍，屈學(xué)農(nóng)．基于GIS的寶雞市獼猴桃氣候區(qū)劃[J]．陜西氣象，2014(2),24-27．

[8] 楊森,周曉珊,高杰.遼寧省夏季降水的日變化特征[J].氣象,2011,37(8):943-949.

[9] 姚莉,李小泉,張立梅.我國(guó)1小時(shí)雨強(qiáng)的時(shí)空分布特征[J].氣象,2009,35(2):80-87.

[10]彭芳,吳古會(huì),杜小玲.貴州省汛期短時(shí)降水時(shí)空特征分析[J].氣象,2012,38(3),307-313

[11]貴州省短期天氣預(yù)報(bào)指導(dǎo)手冊(cè)(第二分冊(cè)).貴州省氣象局,1987:376-377.Characteristics of Disaster-caused Heavy Rainfalls in Guizhou Based on 5a Regional Weather Stations

SHI Yan,LI Tianjiang,MAO Xianhou

(Guizhou Meteorological Observatory,Guiyang 550002, China)

Based on hourly precipitation data of regional weather stations in Guizhou between 2010 and 2014, the standard for rainstorm processes was proposed. It is found rainstorm process and concentrated areas were essentially in agreement with the results of standard based on national station. Spatial and temporal distribution characteristics of disaster-caused heavy rainfall w and the correlation between short-time heavy precipitation and the death tolls were analyzed.

regional weather station; hourly precipitation; rainstorm; disaster-caused heavy rain

1003-6598(2016)02-0049-03

2015-08-18

石艷(1981-)，女，工程師，主要從事決策氣象服務(wù)工作，E-mail:18249742@qq.com。

P426.61+4

B